前情提要: 研究方向

1.  完成之前未完成項目：板橋、三重、中和，Tueky Test...
2.  貢寮：夏季、時辰
3.  北海岸 (淡水、三芝、石門、金山)

1. 工作成果整理:

2. 探索性資料分析


* 決定分析行政區: 貢寮區

之所以選定貢寮區, 是因為發現新北市郊區和人口密集的市區比較起來, 普遍都有反應時間偏長、消防分隊數量較少的現象,
猜測巡迴方案效果會較都市區顯著, 於是選定貢寮區進行分析。


* 決定分析月份: 七月份

透過下圖可知, 在歷年(2007-2012)歷史ems資料當中, 貢寮區 7月份案件數明顯高於其他月份, 於是選擇7月份作為建立模擬模型的資料來源。




* 決定分析時辰: 午未申酉

透過下圖觀察可發現, 歷年資料中, 貢寮區之案件量由中午過後逐漸提高。
由於案件量需要足夠高才有辦法測試現行系統耐受力, 且設定方案的目的為提高案件發生時救護車剛好在附近的機率, 引此選定案件量較多的午未申酉4個時辰做分別模擬以及合併模擬 [ 見系統模擬章節 ]

幾點觀察:

  1. 根據歷史資料觀察時辰對應平均反應時間的關係, 可以發現並不會因為案件量多而造成反應時間提高(原因不明)
  2. 寅時(3-5點)平均反應時間較長, 儘管案件量少可能不具代表性, 但對於改善反應時間的研究目的來說, 為潛在分析對象


3. 系統模擬

決定好欲分析目標資料來源後, 先利用R軟體計算好需要在AnyLogic中進行設定的參數(案件分布熱力矩陣,目標行政區經緯度,模擬時間長度,案件重心點座標…)後, 將其值代入軟體, 開始進行模擬。

terms:

歷史案件分佈熱力矩陣: 將目標行政區切分為同等大小的25格方格矩陣, 計算每格累積案件量, 並採取輪盤法確保隨機模擬的過程中, 案件數的空間分布 會符合歷史案件分布。
歷史案件時間分佈: 前期研究中發現, 如果用歷史案件發生的時間作為, 軟體模擬過程會有問題, 因此在比對歷史資料的機率分配圖形後, 使用較近似的 polynomial 分配作為歷史案件的 時間分布
模擬時間長度: 以七月份、午時的貢寮區歷史案件為例, 模擬時間總長度為 22320分鐘(6年 * 1個月 * 31天 * 2小時 * 60分鐘)
駐守方案: 本研究提出, 用來改進救護車反應時間的方法
案件重心點座標: 救護車被設定採取駐守方案後, 將會前往從歷史資料中算出來的案件重心點座標(使用kmeans方法), 等待案件發生。

實驗流程:

1. 將撈取出來的歷史資料, 在沒有設定駐點方案的狀況下, 做30次隨機模擬, 並將模擬出來的反應時間, 與真實的反應時間做lm (假設真實反應時間與模擬反應時間之間有函數對應關係)
2. 設定駐點方案, 將其中一台救護車設定為一開始便前往案件重心點待命, 另一台則留在原消防分隊, 做30次隨機模擬, 得出30*隨機時間長度

模擬結果如下表:

First Header Second Header
Content Cell Content Cell
Content Cell Content Cell

4. 驗證結果


同場加映: have fun :)

歷年 [ 7月份 ] [ 午, 未, 申, 酉 ] 時辰空間分布互動地圖